基于深度迁移学习的识别疾病和昆虫害虫在云南茶在复杂的环境下
Zhaowen Li1,2, Jihong Sun3,4, Yingming Shen5
1College of Big Data, Yunnan Agricultural University, Kunming, 650201, Yunnan, China.
Plant methods
|July 5, 2024
概括
这项研究使用转移学习与卷积神经网络来准确识别云南大叶茶种植园中的茶叶疾病和害虫,实现高检测精度.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 植物病理学 植物病理学
背景情况:
- 茶叶疾病和害虫对茶叶作物的产量和质量产生重大影响.
- 由于茶叶植物的复杂性,准确和快速诊断茶叶植物问题是具有挑战性的.
- 开发有效的识别方法对于茶叶种植至关重要.
研究的目的:
- 应用转移学习卷积神经网络用于茶叶疾病和害虫识别.
- 准确和快速检测云南大叶茶中的疾病和害虫.
- 为了解决目前茶叶种植诊断方法的局限性.
主要方法:
- 在种植园环境中收集了1878张10种茶叶疾病/害虫的图像.
- 利用数据增强来增加数据集多样性.
- 在ImageNet上评估预训练模型,选择Xception架构.
主要成果:
- Xception模型实现了98.58%的测试准确率和98.23%的验证准确率.
- 在Xception模型中,注意力机制没有改善识别性能.
- 使用结核心策略转移学习证明是有效的.
结论:
- 开发的方法提供了精确和及时检测茶叶疾病和害虫.
- 研究结果支持云南茶叶种植的可持续性和生产力提高.
- 为开发茶叶植物健康的在线检测技术提供了基础.
